Методы статистической обработки экологической информации: дискриминантный, корреляционный и регрессионный анализ. Буляница А.Л - 29 стр.

UptoLike

29
Таблица 10
Расчет величины критерия Стьюдента t для дискриминации классов
аничилеВассаМанилДССЧяицкаеР
0ссалK38,561769,333,26
005,1
1ссалK33,861111,444,47655,1
s
09,01011,0945,2873,0
t
922,0213,1157,4841,0
Данные свидетельствуют о том, что только измерения ЧСС по Клас*
сам 0 и 1 значимо различаются (с доверительной вероятностью не ме*
нее 0,999 или p < 0,001). По всем остальным признакам не отмечено
статистически значимых различий. Таким образом, дискриминация
Классов 0 (белые мыши) и 1 (черные мыши) возможна только на осно*
вании измерений ЧСС.
Алгоритмы дискриминации могут быть различны. Наиболее про*
стой – пороговый алгоритм: вводим порог P и следующее решающее
правило – “если X £ P, соответствующее измерение относится к Классу
0, если X > P – к классу 1”. При этом в качестве порога выбирают
значение, лежащее между выборочными средними. Формальные кри*
терии выбора приведены в разд. 2.
В нашем случае в качестве порога можно выбрать P = 70. Тогда
измерения {64, 53, 56, 70, 58} достоверно отнесены к Классу 0 (а изме*
рение 73 ошибочно – ошибка 1*го рода отнесена к Классу 1). Соответ*
ственно, измерения {75, 71, 80, 74, 83, 72, 81} достоверно отнесены к
Классу 1, а {66, 68} ошибочно отнесены к Классу 0 (ошибка 2*го рода),
т. е. суммарное число ошибок – 3 составили 3/15 = 20% выборки.
Достоверность дискриминации Классов 0 и 1 на основании измерений
ЧСС составила 80%.
Этап 3. Корреляционный анализ (см. разд. 3) позволяет выявить
статистическую связь между признаками. Различные методы вычис*
ления коэффициентов корреляции описаны в разд. 3 (модельный при*
мер). Матрица выборочных коэффициентов корреляции приведена
ниже. Здесь столбцы: 1 имеет признак “масса”, 2 – длина, 3 – ЧСС и 4
– реакция на лекарства
1
2 3
45
1
45
45
11
45
45
67
1 0,896 0,125 0,484
0,896 1 0,065 0,546
.
0,125 0,065 1 0,203
0,484 0,546 0,203 1